Att bygga LLM-agentbaserade system med AutoGen Träningskurs

Introduktion till LLM-agentbaserade system

• LLM-agenters och multientagearkitekturkoncept
• Översikt över AutoGen-ramverket och ekosystemet
• Agenters roller: användarproxy, assistent, anropande funktion m.m.

Installation och konfiguration av AutoGen

• Inställning av Python-miljön och beroenden
• Grunderna för AutoGen-konfigurationsfiler
• Anslutning till LLM-leverantörer (OpenAI, Azure, lokala modeller)

Agentdesign och rolltilldelning

• Förståelse av agenttyper och samtalsmönster
• Definition av agenters mål, prompts och instruktioner
• Rollbaserad uppgiftsdelegering och kontrollflöde

Anropsbaserad funktion och integrering av verktyg

• Registrering av funktioner för agentanvändning
• Autonoma och samarbetsbaserade funktionseksektering
• Anslutning av externa API:er och Python-skript till agenter

Samtalshantering och minne

• Sessionssporning och persistent minneshantering
• Budskapshantering mellan agenter och tokenhantering
• Hantering av samtalssammanhang och historik

Slut-till-slut agentflöden

• Byggande av flerstegs samarbetsuppgifter (t.ex. dokumentanalys, kodgranskning)
• Simulering av dialoger mellan användare och agenter samt kedjor av beslut
• Felsökning och förbättring av agentprestanda

Användningsfall och utrollning

• Interna automatiseringsagenter: forskning, rapportering, skriptning
• Utåtriktade botar: chattassistenter, röstintegreringar
• Packning och utrollning av agentsystem i produktion

Sammanfattning och nästa steg